Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parameters
a
Mean .0000000
Std. Deviation .76614200
Most Extreme Differences Absolute
.063 Positive
.045 Negative
-.063 Kolmogorov-Smirnov Z
.555 Asymp. Sig. 2-tailed
.917 a. Test distribution is Normal.
2. Hasil Uji Heteroskedastisitas
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas
dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan
data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang,dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen
Universitas Sumatera Utara
dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah :
H : tidak ada heteroskedastisitas,
H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
.575 .187
3.067 .003
LN_Earning_Per_Share .067
.078 .281
.860 .392
LN_Deviden_Pershare -.074
.066 -.366 -1.123
.265 a. Dependent Variable: Absut
Universitas Sumatera Utara
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta
tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi
layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi
untuk variabel ln earning per share adalah 0,392 0.05. nilai signifikansi untuk variabel ln deviden per share adalah 0,265 0.05. Dari hasil ini maka
dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi